声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：蒋慧灵, 白嘎力, 周郑, 邓青, 滕杰, 张越, 周亮, 周正青
单位：1. 北京科技大学 金属冶炼重大事故防控技术支撑基地, 北京 100083;<br>2. 北京科技大学 大安全科学研究院, 北京 100083;<br>3. 北京科技大学 土木与资源工程学院, 北京 100083;<br>4. 呼和浩特市烟草公司, 呼和浩特 010020
关键词：一维空洞卷积,串联故障电弧,支路故障电弧,故障电弧检测,负载分类
基金：国家重点研发计划项目(2021YFC1523504);国家应急管理部科技计划项目(2021XFCX25);国家自然科学基金青年科学基金项目(72004113);应急管理部消防救援局重点研发项目(2022XFZD05);河北省重点研发项目(22375419D)
串联故障电弧因多样性、相似性和隐蔽性而难以被检测,容易引发故障电弧保护装置误报和漏报。采用一维空洞卷积神经网络(one-dimensional dilated convolutional neural network,1D-DCNN)提取以高采样率采集的故障电弧电流特征,引入扩展型指数线性单元(scaled exponential linear unit,SeLU)激活函数和残差连接解决梯度消失和网络退化问题,并结合平均集成学习和Softmax多分类器建立故障电弧检测模型。实验结果表明：所提方法对单负载和混合负载故障电弧的检测准确率达99.67%,相应负载识别准确率达99.95%,总体预测结果准确率达99.62%,优于传统卷积神经网络(convolutional neural network,CNN),满足故障电弧检测要求,有助于串联故障电弧检测和负载识别。
来源：2024年第3期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。